Corrélations Flashcards
Quel est le but ultime de tous les types de corrélations?
l’indication de la force d’une association linéaire entre deux variables ou plus
Quelle est la spécificité des corrélations partielles?
Elles testent aussi la force d’une association linéaire entre deux variables, mais sans l’effet d’une troisième variable (ou plusieurs autres) appelée « contrôle ».
Comment la corrélation partielle arrive-t’elle à contrôle pour une troisième (ou plus) variable?
En considérant que tous les cas ont les mêmes scores (score constant) sur la variable contrôl
Vrai ou Faux. La corrélation partielle est considérée comme étant multivariée ?
Ni vrai, ni faux, certains considèrent que oui alors que d’autres (comme Marcos) la considèrent bivariée puisqu’on contrôle les autres variables.
Qu’indique une corrélation de +1 ?
Que les scores sont proportionnellement (et parfaitement) corrélés, i.e. que de bas scores sur une variable quantitative « X » est associées aux bas scores d’une autre variable quantitative « Y »
Quand peut-on dire qu’une corrélation est forte?
En sciences du comportement, par convention, on dit qu’autour de 0,15, de 0,35 et de 0,55, les indices de corrélation peuvent être classifiés, respectivement, faibles, modérés et forts.
Vrai ou Faux. Un indice de corrélation de « 0,8 » (entre deux variables) est le double d’un indice de corrélation de « 0,4 »?
Faux, pour faire cette comparaison il faut calculer le coefficient de détermination (taille d’effet) en multipliant la valeur du r par elle-même, et après, en la multipliant par 100.
Pourquoi le « r » ou le « r au carré (r2) » n’expriment-ils pas une relation de causalité?
Car l’association de la variable X avec Y est la même entre Y et X.
Quelles sont les cinq façons d’interpréter une corrélation?
- Le niveau de signification
- La force (faible, modérée, forte)
- Le signe (+ ou -)
- Le coefficient de détermination (taille d’effet)
- En mentionnant le vice versa, i.e. qu’une chose n’est pas nécessairement la cause de l’autre et inversement.
À quoi sert la corrélation partielle?
À évaluer pourquoi est-ce que deux variables sont corrélées.
Quelles sont les deux hypothèses reliées aux corrélations partielles?
(1) l’hypothèse qu’elles ont une variable cause commune
(2) l’hypothèse de l’existence d’une variable médiatrice
Qu’est-ce que l’hypothèse d’une variable cause commune?
Les variables « A » et « B » sont corrélées parce qu’elles divisent la même origine (la même variable cause commune).
Qu’est-ce que l’hypothèse de l’existence d’une variable médiatrice?
Les variables « A » et « B » sont corrélés parce que la première (p.ex. : « A ») explique la variabilité de la deuxième (p.ex. : « B ») grâce à l’influence d’une (ou plusieurs) variable médiatrice (au milieu, entre A et B).
Vrai ou Faux. Si l’hypothèse de la variable cause commune est correcte, la corrélation bivariée entre A et B ne doit pas être égal à zéro (r ≠ 0), mais en contrôlant l’effet de la troisième variable (la variable cause commune) la corrélation bivariée (partielle) entre A et B doit être égale à zéro (rp = 0).
Vrai
Vrai ou Faux. Si l’hypothèse de l’existence d’une variable médiatrice est correcte, la corrélation bivariée entre A et B ne doit pas être égale à zéro (r ≠ 0), mais en contrôlant l’effet de la troisième variable (la variable médiatrice – ou les variables médiatrices) la corrélation bivariée (partielle) entre A et B doit être égale à zéro (rpartial = 0)
Vrai
Vrai ou Faux, la logique des hypothèses 1 et 2 n’est pas la même?
Faux
Qu’est-ce qui différencie l’hypothèse 1 de l’hypothèse 2?
la nature de l’étude, i.e. la question de recherche
Quel est le prérequis de la corrélation partielle?
- La distribution doit être « bivariablement » et « multivariablement » normalement distribuée, i.e. que chaque variable doit avoir une distribution normale.
- On suppose une relation linéaire entre les variables (graphique donne un indice)
Quels graphiques nous permettent d’avoir un indice sur la normalité de la distribution des données de chaque variable?
Le graphique “Scatter” (bivarié) et “3-D Scatter” (multivarié), car ils présentent les relations entre les variables à l’étude.
Pourquoi doit-on avoir un niveau de signification corrigé lorsqu’on fait des corrélations?
Pour minimiser les chances des erreurs de type I (α = la probabilité de rejet de H0 alors qu’elle est RÉELLE) quand on interprète les résultats
En quoi consiste la méthode de correction de Bonferroni?
Diviser le seuil de 0,05 par le nombre des corrélations effectuées afin d’obtenir un seuil qui minimise les chances des erreurs de type I (α = la probabilité de rejet de H0 alors qu’elle est RÉELLE) quand on interprète les résultats.
Donne un exemple de présentation des résultats.
Des coefficients de corrélation partielle ont été calculés pour tester l’association linéaire de quatre dimensions spécifiques de la perception de compétence personnelle (concept de soi) en gardant constante l’échelle générale du concept de soi, tel que mesuré par ICS. Avant d’analyser les résultats proprement dits, les représentations graphiques présentées (Graphique 1 et Graphique 2) nous indiquent que les données se distribuent de façon bivariablement et multivariablement normalement distribuées. Chemin faisant, et en utilisant la méthode de Bonferroni, on a pu contrôler l’erreur de type I. Alors, des niveaux de signification plus petite que 0,008 étaient demandés pour qu’on puisse considérer une association linéaire comme statistiquement significative. Les résultats des analyses des corrélations partielles sont présentés au Tableau pertinent. Il indique que 2 des 6 corrélations partielles effectuées ont été significatives (p < 0,008). Les forces de ces 2 corrélations (les indices de corrélations proprement dits) étaient, au moins, de 0,32. L’une des corrélations partielles significatives a été entre les dimensions « knowledge » et l’autre a été entre les dimensions « relationship ». Si l’échelle générale du concept de soi est le seul déterminant des domaines spécifiques du concept de soi, les corrélations partielles devraient être égales à zéro. Les résultats ne donnent pas de support à cette hypothèse.